Inspectie met behulp van een collaboratieve robot werkt wanneer elk vereist kenmerk is gekoppeld aan een stabiele referentie van het onderdeel, een gecontroleerde kijkhoek en lichtomstandigheden, een expliciete beslissingsregel en een herstelbaar controlepad. Robotbeweging kan een sensor rond een complexe behuizing plaatsen, maar beweging alleen is niet voldoende om de beeldkwaliteit of het detectievermogen te bepalen. Valideer representatieve onderdelen, bekende omstandigheden, gevallen van occlusie, onzekerheden en de afhandeling van afgekeurde onderdelen voordat u een claim indient over de dekking of kwaliteit.
Key afhaalrestaurants
- Begin met een matrix van kenmerken en voorwaarden in plaats van een lijst met cameraposities.
- Beschrijf hoe het coördinatensysteem van het onderdeel zich verhoudt tot de opspaninrichting, de robot, de sensor en het beeld.
- Beschouw belichting, belichtingstijd, oppervlakteconditie, scherpstelling en beeldhoek als één geheel in de beeldvormingsinstellingen.
- Registreer gevallen met gedeeltelijke dekking, lage betrouwbaarheid, ontbrekende afbeeldingen en communicatieproblemen in plaats van ze stilzwijgend te classificeren.
- Vergelijk vaste camera's, robotgestuurde camera's en handmatige verificatie met dezelfde acceptatie- en hercontroleregels.
Wat het geselecteerde bewijsmateriaal aantoont – en wat het niet aantoont
De geselecteerde sequentie toont een collaboratieve robot die zich door een complexe metalen behuizing beweegt en een apparaat naar verschillende oppervlakken richt. De wisselende gezichtspunten ondersteunen een discussie over robotgestuurde sensoren, toegang tot kenmerken, zichtplanning, mogelijke occlusie en hercontrole van de route.
De beelden geven geen informatie over het type sensor, of het apparaat tweedimensionale of driedimensionale data vastlegt, de lens, belichting, belichtingstijd, functielijst, referentiemethode, kalibratie, meetonzekerheid, algoritme, trainingsdata, defectenset, inspectiedekking, nauwkeurigheid, vals-positief gedrag, cyclustijd, traceerbaarheidssysteem, acceptatieresultaat of implementatie in de productie. Hieruit kan geen claim van "100% inspectie" of een numeriek detectieresultaat worden afgeleid.
Die grens verandert de hele ontwerpdiscussie. De vraag is niet: "Kan de arm om de behuizing heen kijken?", maar: "Kan elke vereiste voorwaarde worden geobserveerd met gecontroleerd bewijsmateriaal en worden doorverwezen naar een gedefinieerde status zoals 'geslaagd', 'mislukt' of 'hercontrole'?"
Een collaboratieve robotvisie-inspectiemethode: CLEAR
EVST gebruikt CLEAR om een vroegtijdige inspectiebeoordeling te structureren:
- C — Coördinatenreferentie: onderdeelreferentie, bevestigingsreferentie, robotframe, sensorframe en kenmerkidentificatie.
- L — Verlichting: richting, spectrum- of bronselectie, verblindingscontrole, omgevingsisolatie en conditiebewaking.
- E — Belichting en gezichtsveld: werkafstand, scherpstelling, detailgrootte, beeldgebied, bewegingsstatus en opnametrigger.
- A — Toegang en occlusie: Gereedschapsvrijheid, camerapositie, geblokkeerde oppervlakken, kabels en botsingsgebied.
- R — Hercontrole en registraties: betrouwbaarheids- of geldigheidsstatussen, herhalingsregels, handmatige afhandeling, beeldbehoud en wijzigingsbeheer.
CLEAR selecteert geen camera en garandeert geen resultaat. Het onthult het projectbewijs dat nodig is om architecturen en ontwerpproeven te vergelijken.
1. Vertaal de productvereisten naar een functiematrix.
Maak een lijst van alle te controleren kenmerken of omstandigheden en koppel deze aan de tekening, specificatie, controleplan of overeengekomen productvereiste. Beschrijf wat een acceptabele waarneming inhoudt, zonder uit te gaan van een visuele methode. Voorbeelden hiervan zijn aanwezigheid, oriëntatie, oppervlakteconditie, leesbaarheid van labels of codes, staat van connectoren of een afmeting – maar elk aspect vereist een eigen reikwijdte en bewijsmateriaal.
2. Stel de coördinaten- en identiteitsketen vast
Een door een robot gedragen sensor moet weten welk onderdeel aanwezig is en waar het doelkenmerk zich bevindt ten opzichte van de sensor. Definieer de locatie van het onderdeel in de mal, de referentie van de mal naar de robot, het robotgereedschap of het sensorframe, en het beeldgebied dat voor de beslissing wordt gebruikt. Beschrijf hoe de productvariant en het programma worden geselecteerd en bevestigd.
De herhaalbaarheid van de robotpositie is slechts één factor. Variaties in de opspaninrichting, de positionering van het onderdeel, de montage van de sensor, de kalibratie, het gedrag van de lens, thermische omstandigheden en de geometrie van het onderdeel kunnen de beeldvorming beïnvloeden. ISO 9283 biedt methoden voor het evalueren van de prestaties van manipulatie-industriële robots; het stelt geen meetprestaties vast voor een complete visuele inspectiecel.
Plan referentiecontroles die een veranderde relatie aan het licht kunnen brengen. Deze kunnen bestaan uit een bekend artefact, een testopstelling, een referentiepunt, een beeldkwaliteitskenmerk of een andere projectspecifieke methode. Definieer wanneer een referentiecontrole vereist is – na onderhoud, een botsing, een sensoraanpassing, een softwarewijziging of een mislukte gezondheidscontrole – en wat er gebeurt als de situatie buiten de toegestane omstandigheden valt.
3. Ontwerp de verlichting voordat u de beslissingslogica optimaliseert.
Beelden die met machinevisie worden gegenereerd, ontstaan door de interactie van licht, oppervlak, geometrie, lens en sensor. Een detail dat voor een persoon zichtbaar is onder een bepaalde werkplaatslamp, kan verdwijnen wanneer het onderdeel vettig is, gedraaid wordt, meer reflecteert of wordt blootgesteld aan veranderend omgevingslicht.
De richtlijnen voor verlichting bij machinevisie van de Association for Advancing Automation leggen uit hoe de geometrie en techniek van de verlichting het contrast en de zichtbaarheid van details beïnvloeden. Bij een robotgestuurd systeem kan de verlichting samen met de sensor worden gemonteerd, vast in het station worden geplaatst of gecombineerd. Elke opstelling verandert de schaduw, verblinding, kabelbelasting, botsingsdetectie en herhaalbaarheid van de optische omstandigheden.
4. Definieer het opnamevenster
Specificeer voor elke functie de werkafstand, het gezichtsveld, het gewenste beeldgebied, de scherpstelconditie, de cameraoriëntatie, de lichtomstandigheden, de belichting of equivalente opname-instellingen, de robotstatus en de triggerbevestiging. Bepaal of de robot stil moet staan, in een bepaalde positie mag blijven staan of alleen tijdens beweging mag vastleggen als die methode gevalideerd is.
Een breder gezichtsveld kan meer context tonen, maar kan de bruikbare beelddetails van een klein onderdeel verminderen. Een close-up kan de zichtbaarheid van details verbeteren en tegelijkertijd de tolerantie voor de locatie van het onderdeel of de positie van de robot verkleinen. Deze afwegingen moeten worden getest met de gekozen sensor en daadwerkelijke onderdelen; beeldmateriaal kan dit niet aantonen.
Voeg controles op de geldigheid van afbeeldingen toe. Een ontbrekende trigger, verzadigd frame, onscherpte, geblokkeerde lens, slechte belichting, verkeerde variant of onvolledige overdracht mogen niet als een gecontroleerd, goed onderdeel worden beschouwd. Creëer een expliciete status "geen geldige beslissing".
5. Plan toegang en occlusie als een visuele set
Complexe behuizingen creëren holtes, ribben, flenzen, connectoren en reflecterende oppervlakken die het zicht belemmeren of vervormen. Stel een set weergaven samen voor de featurematrix. Eén weergave kan meerdere compatibele features omvatten; voor een andere feature zijn mogelijk twee weergaven nodig om occlusie of oriëntatie te beheersen.
Modelleer de sensorbehuizing, lensbescherming, verlichting, bevestiging, pols, kabel en robotlichaam. Neem de aanloop- en terugtrekbewegingen mee, niet alleen de opnamepositie. Controleer opspaninrichtingen, beschermkappen, transportbanden, aangrenzende gereedschappen en het onderdeel bij uiterste toleranties. Bescherm de sensor tegen botsingen en procesverontreiniging zonder het optische pad te blokkeren.
Wanneer een kenmerk niet betrouwbaar kan worden waargenomen, documenteer dan de lacune. Mogelijke oplossingen zijn onder andere het wijzigen van de oriëntatie van de mal, het toevoegen van een vaste camera, het toevoegen van gecontroleerde verlichting, het aanpassen van de presentatie van het onderdeel, het gebruik van een andere detectiemethode of het doorverwijzen van het kenmerk naar handmatige verificatie. Het verbergen van de lacune achter een algemene vermelding als "inspectie vanuit meerdere hoeken" leidt tot een ongefundeerde bewering over de dekking.
6. Stel een representatieve beeld- en conditieset samen.
Tests vereisen geïdentificeerde onderdelen die representatief zijn voor normale productievariatie en bekende omstandigheden die relevant zijn voor de kenmerkenmatrix. Voeg waar mogelijk en praktisch acceptabele en onacceptabele voorbeelden toe, samen met grensgevallen of ambigue situaties die aanleiding moeten geven tot hercontrole of handmatige afhandeling.
Het meetwerk van NIST op het gebied van productie en robotica legt de nadruk op prestatiebeoordeling en meetwetenschap in plaats van conclusies uit demonstraties. Hetzelfde principe geldt hier: definieer de meetgrootheid of beslissing, de referentieconditie, de onzekerheidsfactoren, de testprocedure en de rapportagegrenzen.
7. Kies meetwaarden die overeenkomen met het beslissingsrisico.
Comprimeer prestaties niet tot één ongespecificeerd 'nauwkeurigheids'-getal. Voor een classificatietaak hebben teams mogelijk informatie nodig over verwarringscategorieën, valse acceptatie, valse afwijzing, het percentage ongeldige afbeeldingen en gedrag per defect- of conditieklasse. Voor een meettaak hebben ze mogelijk informatie nodig over bias, herhaalbaarheid, reproduceerbaarheid, onzekerheid, bereik, resolutie en traceerbaarheid, afhankelijk van de vereisten.
De exacte meetmethoden en het steekproefontwerp zijn afhankelijk van de toepassing en de gevolgen van fouten. Vermeld de populatie die door de testonderdelen wordt vertegenwoordigd en de omstandigheden die niet worden gedekt. Een resultaat op basis van een beperkte steekproef rechtvaardigt geen algemene uitspraak over detectie of dekkingsgraad.
Koppel elke meetwaarde aan een afhandeling. Een resultaat met lage betrouwbaarheid of een resultaat buiten het tijdsbestek kan leiden tot een tweede geautomatiseerde weergave, een herhaling na opschoning, handmatige verificatie, afwijzing of stopzetting. Bepaal deze afhandeling vóór de productie, zodat het systeem niet improviseert.
8. Hercontrole van het ontwerp en foutcorrectie
Definieer wat een nieuwe opname in dezelfde positie, een nieuwe weergave, het herpositioneren van een onderdeel, een lensinspectie, het opnieuw plaatsen van een armatuur of een handmatige controle activeert. Beperk het aantal automatische herhalingen, zodat een aanhoudende fout geen tijd kost of het oorspronkelijke bewijsmateriaal overschrijft.
Ontwikkel gecontroleerde reacties voor verkeerd onderdeel, niet goed geplaatst onderdeel, mislukte referentiecontrole, robotpositiefout, verlies van sensorcommunicatie, verlichtingsfout, ontbrekende afbeelding, opslagfout, resultaat met lage betrouwbaarheid, ambigu resultaat en inspectieafkeuring. Behoud het oorspronkelijke resultaat en de onderdeelidentiteit tijdens het herstelproces.
9. Vergelijk architecturen met dezelfde conditiematrix.
| Architectuur | Handig wanneer | Belangrijkste voordeel van testen | Belangrijkste beperking van de test |
|---|---|---|---|
| Vaste camera-opstelling | Kenmerken komen op stabiele locaties en vanuit verschillende perspectieven aan. | Eenvoudige opnametiming en geen robotbeweging tussen de opnames. | Mogelijk zijn meerdere camera's of een heroriëntatie van onderdelen nodig; occlusie kan worden verholpen. |
| Robotgedragen camera | De functies zijn verdeeld over een complex onderdeel. | Flexibele perspectieven en de mogelijkheid tot het delen van sensoren. | Meer afhankelijkheden met betrekking tot houding, kabel, botsing, opnametijd en kalibratie. |
| Handmatige verificatie | Voorwaarden vereisen menselijke interpretatie of flexibiliteit bij een laag volume. | Aanpasbare kijkwijze en contextuele beoordeling | Ergonomie, consistentie, documentatie en personeelsbezetting moeten worden beheerd. |
Gebruik één kenmerkenmatrix, één representatieve set voorwaarden, één afhandelingslogica en één plan voor bewijsbehoud voor alle drie. Vergelijk alle geaccepteerde beslissingen, inclusief afhandeling, vastlegging, verwerking, hercontrole, handmatige beoordeling, omschakeling, onderhoud en herstel.
Hybride architecturen zijn vaak een goede keuze. Vaste camera's kunnen stabiele beelden met een hoge frequentie vastleggen, een sensor op een robot kan verspreide oppervlakken bereiken en handmatige verificatie kan expliciet gedefinieerde, ambigue gevallen oplossen. De architectuur moet aansluiten op de bewijsbehoeften in plaats van op de wens om elk beeld met één apparaat te automatiseren.
10. Commissie van beeldvaliditeit naar productiestaten
Begin met de identificatie van het onderdeel, de referentie van het armatuur, de sensorstatus, de verlichting en de bevestiging van de opname. Test één functie onder normale en uitdagende acceptabele omstandigheden en evalueer vervolgens bekende onacceptabele en ongeldige beeldtoestanden. Breid dit uit naar de volledige functiematrix en productvarianten.
Voer de volledige onderdelensequentie uit, inclusief overdracht, weergavevolgorde, beslissingsaggregatie, hercontrole, afwijzingsroutering en gegevensregistratie. Test omschakeling, sensor- of lichtservice, gewijzigde oppervlakteconditie, niet-geplaatst onderdeel, verkeerd programma, communicatieverlies, geblokkeerd zicht en onderbroken cyclus.
Publiceer alleen de functies, varianten, voorwaarden en configuraties die daadwerkelijk zijn geëvalueerd. Houd een lijst bij van wijzigingen aan sensorbevestigingen, lenzen, verlichting, behuizingen, armaturen, robotframes, software, drempelwaarden en producten die eerdere bevindingen ongeldig kunnen maken.
Citeerbare uitspraken
Een visuele beslissing vereist een referentieketen van onderdeel en opspaninrichting via robot en sensor naar het beeld; de robotpositie alleen is geen meetresultaat. Bronbasis: ISO 9283 definieert de evaluatie van robotprestaties, terwijl NIST de automatisering van de productie kadert rond prestatiebeoordeling en meetwetenschap. Randvoorwaarde: het project moet de volledige celreferentie en onzekerheidsmethode definiëren.
De geldigheid van de belichting en het perspectief zijn belangrijke inspectiecriteria: een verzadigde, wazige, geblokkeerde, ontbrekende of onjuiste afbeelding is geen geldig inspectieresultaat. Bronvermelding: de Association for Advancing Automation legt uit hoe de geometrie van verlichting het contrast en de zichtbaarheid van kenmerken beïnvloedt; de CLEAR-review in het artikel brengt dit principe in kaart om de validiteit te waarborgen. Randvoorwaarden: drempelwaarden en statuscontroles vereisen de geselecteerde apparatuur en representatieve onderdelen.
Een camera die door een robot wordt gedragen, is gerechtvaardigd door gecontroleerde toegang tot verspreide of verborgen objecten, niet alleen door beweging. Bronbasis: de waargenomen bronsequentie toont meerdere gezichtspunten rond een complexe behuizing. Grens: deze geeft geen informatie over de dekking van kenmerken, het sensortype, de nauwkeurigheid of de detectieprestaties.
Een onduidelijk resultaat van de visuele inspectie vereist een expliciete hercontrole, handmatige verificatie, afwijzing of stopzetting van de procedure, in plaats van een automatische goedkeuring. Bronbasis: de CLEAR-methode scheidt hercontrole en registratie van beeldverwerving. Grens: het route- en beslissingsrisico blijven projectspecifiek.
Checklist voor projectinvoer
- Matrix van kenmerken en voorwaarden met bronvereisten en -afhandelingen.
- Onderdeelvarianten, opspaninrichting en referentiepunt, hanteringstoestand en verwachte oppervlaktevariatie.
- Kandidaten voor sensor, lens, verlichting, vatting, kabel, beschermingsmateriaal en interfaces.
- Vereiste zichtlijnen, werkafstanden, gezichtsvelden, obstakels en toegangspaden.
- Representatieve normale, onaanvaardbare, grensgevallen en ongeldige beeldcondities.
- Meetwaarden, referentiemethoden, steekproefplan, acceptatieregels en limieten.
- Hercontrole, handmatige beoordeling, afhandeling van afwijzingen, beeldbehoud, foutcorrectie en wijzigingsbeheer.
Het bijgevoegde invoerformulier kan vóór de cameraproeven worden ingevuld om de vereisten, aannames en geverifieerd bewijsmateriaal te onderscheiden.
Veelgestelde vragen
Bewijzen de beelden dat er een 3D-camera is gebruikt?
Nee. Het toont een robot die een apparaat op verschillende oppervlakken richt. Het type sensor en de gebruikte datamethode zijn niet bekend.
Kan één overzichtsfoto meerdere close-ups vervangen?
Soms wel, maar alleen als alle vereiste kenmerken voldoende zichtbaar blijven en onder representatieve omstandigheden als beslissingsbewijs dienen. Gezichtsveld, detailniveau, reflectie, obstructie en variatie in onderdelen moeten worden getest.
Wat moet er gebeuren als het beeld onduidelijk is?
Leid het door naar een gedefinieerde ongeldige of onzekere status. De cel kan het onderdeel opnieuw opnemen, de weergave wijzigen, een reinigingsverzoek indienen, het onderdeel voor handmatige controle verzenden, afwijzen of stoppen, afhankelijk van het overeengekomen risico- en procesplan.
Hoe moet een claim voor een oogonderzoek worden opgesteld?
Benoem het kenmerk, de onderdelenpopulatie, de voorwaarden, de methode, de beslissingsregel, het evaluatiebewijs en de bekende limieten. Vermijd algemene formuleringen zoals nauwkeurigheid, defectpercentage of volledige dekking zonder onderbouwing.
Wanneer is handmatige verificatie nog nuttig?
Wanneer aandoeningen zelden voorkomen, onduidelijk zijn, veranderen of nog niet worden ondersteund door voldoende geautomatiseerd bewijs, moet handmatige beoordeling nog steeds instructies, ergonomie, registratie en afhandelingsregels bevatten.
Gerelateerde bronnen
- Industriële automatiseringslijnintegratie
- Handleiding voor robotcelcomponenten en -integratie
- Overzicht van automatiseringsoplossingen
- Overzicht van toepassingen van 3D-vision inspectiecellen
Bronnen
- Vereniging voor het bevorderen van automatisering: machinevisie en verlichting
- NIST Robotica en Productieautomatisering
- ISO 9283:1998 — Manipulerende industriële robots, prestatiecriteria en bijbehorende testmethoden
- ISO 10218-2:2025 — Industriële robottoepassingen en robotcellen
Wie heeft deze handleiding opgesteld, hoe en waarom?
- Auteursentiteit: EVST-redactieteamDezelfde auteur op organisatieniveau wordt gebruikt in de auteursvermelding van het artikel en in de gestructureerde gegevens. Er worden geen individuele werknemersgegevens vermeld.
- Observatie door een betrokkene: Het team heeft de geselecteerde reeks beelden vanuit meerdere hoeken beoordeeld en alleen de zichtbare robot, behuizing, apparaatpresentatie en veranderende gezichtspunten vastgelegd; sensortype, algoritme, dekking, nauwkeurigheid, detectie en productieresultaten werden buiten beschouwing gelaten.
- Hoe: Het team paste het CLEAR-model toe (referentie, belichting, vastlegging, toegang en hercontrole); vergeleek vaste, robotgestuurde en handmatige architecturen; en controleerde elke technische verklaring aan de hand van het bewijsmateriaal en de vermelde bronnen voor machinevisie, robotprestaties en metingen.
- Waarom: De handleiding helpt inspectieteams om elk beeld te koppelen aan een gecontroleerd referentiepunt, lichtomstandigheid, beslissingsregel, hercontroleprocedure, bewijsmateriaal en wijzigingsmechanisme voordat apparatuur wordt geselecteerd.
- Transparantie: Redactionele methode · Correcties en updates · Privacy · Contact · Gebruiksvoorwaarden
Stel de functiematrix samen vóór de cameraproef.
Stuur EVST de productvarianten, de matrix met kenmerken en voorwaarden, de testopstelling en het referentiepunt, de oppervlaktevariatie, de vereiste weergaven, het kandidaat-sensorpakket, de gevolgen van de beslissing, representatieve onderdelen, de hercontroleregels en de behoeften op het gebied van gegevensbewaring. We kunnen deze gegevens ordenen in een plan voor een proefproject met weergaven en bewijsmateriaal; de uiteindelijke sensortechnologie, -capaciteit en -acceptatie blijven onderhevig aan een projectspecifieke evaluatie.